METODE NEVROEVOLUCIJEMađarić, Sašo (Avtor) Strnad, Damjan (Mentor) Guid, Nikola (Komentor) umetna inteligencanevroevolucijaevolucijski algoritemnevronske mrežerazvoj nevronskih mrežNEATHyperNEATES-HyperNEATPri klasičnem razvoju nevronskih mrež za uporabo na različnih področjih umetne inteligence se pogosto srečujemo s problemom določanja optimalne topologije nevronske mreže, ki ima velik vpliv na njeno kvaliteto. V tem magistrskem delu smo se ukvarjali s problemom avtomatiziranega razvoja topologije nevronske mreže in njenega učenja z nevroevolucijskimi metodami. Področje, ki se ukvarja z razvojem nevronskih mrež s pomočjo evolucijskega algoritma, je nevroevolucija. Preučili in implementirali smo nevroevolucijske metode NEAT, HyperNEAT in ES-HyperNEAT. Uspešnost metod smo preizkusili na eksperimentu z agenti. Agent se nahaja v okolju in poskuša pobrati čim več kosov hrane ter se izogniti sovražnikom oziroma zidovom. Nevroevolucijske metode smo primerjali z metodo Q-učenje, ki za učenje nevronske mreže uporablja klasično metodo vzvratnega prenosa napake. Primerjali smo doseženo oceno in časovno zahtevnost. Rezultati so pokazali, da je najuspešnejša metoda HyperNEAT, sledita pa ji ES-HyperNEAT in NEAT. Metoda Q-učenje se je izkazala za najmanj uspešno, saj je glede na nevroevolucijske metode v podrejenem položaju tako po doseženi kriterijski oceni kot tudi po časovni zahtevnosti. [S. Mađarić]20132013-08-28 16:32:08Magistrsko delo/naloga41489UDK: 004.032.26:004.832.3(043.3)COBISS_ID: 17335318NUK URN: URN:SI:UM:DK:1OF1WLB5sl